农用无人机移动补给平台自主降落算法与试验

为实现根据无人机作业位置改变中途补充能源或喷洒物的起降地点,增加无人机有效作业时间,提高无人机作业效率,设计了无人机移动补给平台。通过研究农用无人机自主降落过程,提出一种基于模糊逻辑和比例积分微分(Proportional-integral and derivative,PID)分段控制的农用无人机跟踪降落算法,该算法既拥有PID算法的高精度,又兼顾模糊控制算法响应速度快、超调量小、鲁棒性强的优点。目标轨迹跟踪预测由粒子滤波器跟踪算法和轨迹拟合算法相结合进行求解。仿真和现场试验表明,与单一的PID算法和模糊逻辑算法相比,分段控制算法能够把农用无人机对移动补给平台的跟踪误差缩小到6. 7 cm以内,在移动补给平台上的降落精度控制在7. 2 cm以内。     

智能轨迹控制割草机器人设计——基于FPGA神经网络

为了提高割草机器人自主导航和定位的精确性和智能性,设计了一种新型的基于FPGA神经网络算法的割草机器人。该设计采用FPGA可重构技术,以3层误差反向传播神经网络作为典型的模型来展开;利用成熟的BP算法公式,设计了割草机器人智能控制的模型;利用FPGA技术,设计了割草机器人的硬件系统;最后采用文本输入的设计方法,利用田间试验的方式,对机器人的轨迹规划能力和控制精度进行了验证。试验结果表明:利用FPGA和神经网络模型可以有效地穿越5个障碍物,并可得到满意的轨迹规划结果。将普通的PID控制器和神经网络PID控制器得到的控制结果误差进行了对比,结果表明:神经网络PID控制器得到的割草机器人控制误差明显比传统的PID控制器误差小。该方法为神经网络的硬件实现提供了可靠的理论基础。     

联合收获机单神经元PID导航控制器设计与试验

针对联合收获机在田间直线跟踪作业中在维持高割幅率条件下易产生漏割的问题,设计了一种基于单神经元PID(Proportion Integration Differentiation)的联合收获机导航控制器。以轮式联合收获机为平台,通过对原有液压转向机构进行电控液压改装,搭载相关传感器构建了导航硬件系统。开展了常规PID控制和单神经元PID控制的仿真以及实地对比试验,仿真结果表明单神经元PID控制具有超调小和进入稳态快等特点;路面试验表明,当收获机速度为0.7 m/s时,单神经元PID控制最大跟踪偏差为6.10 cm,平均绝对偏差为1.21 cm;田间试验表明,收获机速度为0.7 m/s时,单神经元PID控制田间收获最大跟踪偏差为8.14 cm,平均绝对偏差为3.20 cm。试验表明所设计的联合收获机导航控制器能够满足自动导航收获作业要求,为收获作业自动导航提供了技术参考。     

基于广义回归神经网络的灌溉系统首部多用户配水快速PID控制

针对多用户配水状态下灌区流量、压力需求变化范围大,传统流量、压力控制响应速度慢等问题,建立适用于多用户灌区配水的灌溉系统首部控制技术。该研究通过分析供水系统流量、压力调节方式,提出了流量、压力PID(Proportion Integration Differentiation)耦合调节方法,建立以电动阀开度为流量控制量、变频器频率为压力控制量对流量和压力进行调控的灌溉首部控制系统。为了减少系统的调节时间,提高系统的运行效率,采用广义回归神经网络(Generalized Regression Neural Network,GRNN)建立流量、压力和电动阀控制模拟量、变频器控制模拟量间的预测模型,形成神经网络PID控制模型(GRNN_PID),并进行模型精度和控制精度验证。GRNN训练结果显示,变频器控制模拟量的相对误差为0.11%～3.86%,电动阀控制模拟量相对误差为0.09%～5.74%,模型精度较高。使用3个调节过程模拟3个用户的需水行为对模型进行验证,结果表明,GRNN_PID模型3个过程的调节时间分别为11.6、10.7和7.2 s,PID模型3个过程的调节时间分别为31.7、29.6和16.9 s,GRNN_PID模型大幅减少了系统的调节时间,提高了系统的运行效率;分别计算了2种模型的控制精度,GRNN_PID调节方法和传统PID调节方法的稳态流量和压力误差都在1%以内,最大超调量为8%,控制精度较高但相差不大,表明GRNN是从策略上加速系统调节速度,其本身并没有对PID的参数进行调整,因此对系统的控制精度影响不大。研究可为灌溉系统流量压力快速控制提供参考。     

Nonlinearity of Electronic Throttle and Its Control

This paper introduces the development of the electronic throttle control system (ETCS) , the structure and the principle of the system are also involved. After analyzing the nonlinearity problem existing in the mechanical structure of the system, a mathematical model of the ETCS is built up. Then three controllers (PID controller, Fuzzy controller, sliding mode controller) were designed and simulated in the matlab simulink. The result indicates that the PID controller has an overshoot,but the Fuzzy controller and the sliding mode controller can settle the nonlinearity problem better.     

基于CMAC神经网络的自适应渠道输水自动控制研究

介绍了小脑模型神经网络CMAC的原理及基于CMAC的自动控制方法。在渠道输水控制技术的基础上,依据CMAC神经网络学习速度快、能够表达复杂非线性关系、适合于适时控制的特点,提出了基于CMAC的渠道输水控制模型。仿真结果表明,基于CMAC的渠道输水控制,算法简单方便,具有实时性、稳定性和较强的鲁棒性,控制效果较为理想。     

基于模糊PID的采棉机作业速度最优控制算法与试验

针对采棉机作业速度影响采棉效率的问题,提出基于模糊PID控制技术的采棉机作业速度实时调整算法,建立行走速度调节模型,实现采棉机作业速度最优控制。该算法通过实时获取棉花在线流量,经采棉输入负荷梯度堵塞条件约束,并将模糊算法和常规PID控制相结合,应用模糊规则和推理方法对PID参数进行在线整定,实时调节行走速度,实现作业速度最优控制。借助基于FPGA的硬件控制器在4MZ-5型采棉机上进行了试验研究。试验表明:所提出的算法可以根据棉花在线流量当量大小实时调整作业速度,提高了采棉机作业效率;有效避免了因采棉量过大造成的输棉管堵塞故障,提高了采棉机智能化水平。     

基于BAS-PID控制的精准变量施药系统仿真与试验

精准变量施药技术是精准农业的重要内容之一,为解决当前常用的变量施药方式存在的控制精度低、超调量大等不足,提出将天牛须搜索(Beetle Antennae Search,BAS)算法与常规PID控制结合形成BAS-PID控制算法,用于变量施药系统控制。首先建立施药控制系统机理模型并基于Matlab平台进行软件仿真,仿真试验结果表明,BAS-PID算法的超调量为0.024 1,绝对误差为1.14%,均低于常规PID和模糊PID,控制效果更好。在吉林农业大学试验田进行了田间施药试验,根据试验数据分析,BAS-PID、模糊PID以及常规PID的平均施药误差分别为0.016 L/min、0.020 L/min、0.238 L/min,平均超调量分别为0.006 L/min、0.016 L/min、0.238 L/min。BAS-PID控制算法的施药误差仅在0.01~0.02 L/min内,误差范围小,总体而言,该算法的施药误差和平均超调量都低于模糊PID和常规PID,系统应用效果好。试验结果表明:本文提出的BAS-PID算法提高了PID算法的参数适用性,施药控制精度高,超调量小,改善了变量施药系统的施药效果,可为推动精准变量施药技术的发展提供新的技术方案。     

卷带包装材料连续供送恒张力控制系统的设计

针对卷带包装材料在连续供送过程中存在的张力控制不稳定的问题,研究设计一种恒张力控制系统。以磁粉制动器作为执行元件,采用PID控制,建立了张力控制系统的数学模型,进行了仿真分析和控制系统的实验验证,结果证明,该系统响应速度快,达到了包装材料高速供送恒张力的要求。     

基于改进PSO算法的电机控制系统PID参数优化

粒子群算法(PSO,Particle Swarm Optimization)作为一种新型的随机优化方法,其算法结构简单,鲁棒性强,在组合优化和自适应控制等领域的非线性优化中有着广泛的应用前景.为此,提出一种改进的PSO优化算法,并将该算法应用于电机控制系统的PID参数优化设计.仿真结果表明,利用改进PSO算法优化的PID参数能有效改善控制系统的性能指标.